GPT-6 Sol Pro vs GLM 5.3: qué te da realmente una licencia de pesos abiertos

GPT-6 Sol Pro y GLM 5.3 son las dos mitades de una auténtica bifurcación en la forma de comprar un modelo de razonamiento, y la licencia es donde radica la bifurcación. GPT-6 Sol —el modelo del proveedor que ejecuta la configuración gpt-6-sol-pro, disponible de forma general desde el 22 de septiembre de 2026 a $2.00 por millón de tokens de entrada y $10.00 por millón de tokens de salida— es una API cerrada. Lo alquilas. GLM 5.3, el buque insignia de la empresa, que llegó a la API el 18 de agosto de 2026 y publicó sus pesos a principios de septiembre, cuesta $1.26 de entrada y $3.96 de salida por millón de tokens en nuestra propia página del modelo, y puedes descargarlo.

Este artículo no va a argumentar que uno de ellos sea el correcto. Va a ser preciso acerca de lo que la descarga realmente te aporta, porque la respuesta es más limitada de lo que suele dar a entender el discurso de los pesos abiertos, y la parte que es genuinamente valiosa no es la que la gente suele citar.

Qué dice cada línea de precio

Ambas son listas de proveedores — los propios números de OpenAI y de Z.ai, transmitidos sin cambios por las plataformas que las alojan.

• Entrada — GPT-6 Sol $2.00 por millón de tokens vs GLM 5.3 $1.26 por millón de tokens

• Salida — GPT-6 Sol $10.00 por millón de tokens vs GLM 5.3 $3.96 por millón de tokens

• Entrada en caché — GPT-6 Sol $0.20 por millón de tokens frente a GLM 5.3 con un descuento del 90% sobre su tarifa sin caché, que es la misma fracción de un número menor

• Escritura en caché — GPT-6 Sol $2.50 por millón de tokens con un único TTL frente al nivel de escritura en caché de GLM 5.3, que es donde las dos tarifas dejan de ser directamente comparables porque los proveedores miden las escrituras de forma diferente

• Precios para contexto largo — GPT-6 Sol recalcula el precio de una solicitud que supera su umbral de entrada a una tarifa más alta para toda la solicitud; la ventana de 1M de tokens de GLM 5.3 se factura a sus tarifas estándar en todo momento

• Ventana de contexto — GPT-6 Sol 1.050.000 tokens vs GLM 5.3 1.000.000 tokens

• Salida máxima — GPT-6 Sol 128.000 tokens vs GLM 5.3 128.000 tokens

• Modalidades de entrada — GPT-6 Sol texto e imagen vs GLM 5.3 solo texto

• Pesos — GPT-6 Sol cerrado, sin descarga frente a GLM 5.3 publicado en Hugging Face bajo la propia licencia GLM-5.3 de Z.ai

En tarifas de lista, GLM 5.3 es aproximadamente 1,6× más barato en entrada y 2,5× más barato en salida. Esa es una diferencia real y no es decisiva. La línea que cambia las decisiones es la última.

Lo que la licencia realmente dice, y lo que no

Aquí es donde la conversación sobre los pesos abiertos suele torcerse. La afirmación «son pesos abiertos, así que estás a salvo del riesgo de proveedor» es cierta en un sentido concreto y falsa en otro, y merece la pena explicar la diferencia.

Los pesos de GLM 5.3 están publicados. La licencia es la propia Licencia GLM-5.3 de Z.ai, no MIT — la generación anterior, GLM-5.2, era MIT, y el cambio lo es todo. La nueva licencia permite el uso comercial y el ajuste fino. Añade una condición: un proveedor de modelos como servicio con más de 10.000 millones de dólares en ingresos durante cualquier período de doce meses debe superar una revisión de seguridad de Z.ai antes de ofrecer el modelo como servicio.

Esa condición te dice para qué sirve la licencia. No es una restricción dirigida a ti. Está dirigida al puñado de hiperescaladores que, de otro modo, podrían revender el trabajo de Z.ai como su propio producto sin contribuir a él. Si ejecutas GLM 5.3 dentro de tu propio producto, o haces ajuste fino de él con tus propios datos, o lo sirves a tus propios usuarios, la cláusula no te afecta.

Lo que sí significa es que la licencia es un documento controlado por el proveedor en lugar de una concesión irrevocable. La licencia MIT no se puede revisar. Una licencia personalizada se puede revisar para versiones futuras, y los términos que aceptaste para la 5.3 no son una promesa sobre lo que Z.ai numere a continuación. Ese es un riesgo menor que «el proveedor puede retirar el modelo» —los pesos que descargaste no dejan de funcionar—, pero no es poca cosa, y ninguna página de comparación de pesos abiertos lo menciona.

La parte verdaderamente valiosa de la descarga es más acotada y concreta que el eslogan: es que el checkpoint que evaluaste es el checkpoint que sirves, de forma permanente, independientemente de lo que haga a continuación la hoja de ruta o la tarifa del proveedor. Eso es una garantía de reproducibilidad, no una garantía de costos.

Lo que muestra el registro independiente

Artificial Analysis es el marco de pruebas neutral en el que aparecen ambos modelos, y reajustó su índice el 7 de septiembre de 2026 —cambiando un benchmark de terminal por otro y reponderando el componente de tareas privadas—. Ese reajuste es la razón por la que la cifra de GLM 5.3 más citada en circulación queda retirada: el modelo se publicó con 60 en el índice anterior y marca 45 en el actual, y el cambio es un cambio de marco de pruebas, no un cambio de modelo.

En el tablero actual, GPT-6 Sol obtiene 48 con el máximo esfuerzo a $1.06 por tarea de índice. GLM 5.3 obtiene 45 a $2.01 por tarea de índice. Tres puntos de separación en el índice es el resumen honesto, y viene con una peculiaridad inusual: en este par, el modelo más barato es el cerrado. GPT-6 Sol cuesta aproximadamente la mitad por tarea completada, que es lo opuesto a la suposición de la que parten la mayoría de las comparaciones de pesos abiertos.

Dos advertencias más deben añadirse.

• La clasificación de pesos abiertos es un resultado de categoría, no uno general. La posición de GLM 5.3 es una afirmación sobre el ámbito de los modelos descargables tanto como sobre GLM 5.3.

• La mayoría de las cifras de benchmark que circulan sobre GLM 5.3 son propias de Z.ai. Las cifras independientes son la puntuación del índice y el coste por tarea; las cifras de Terminal-Bench, DeepSWE y de capacidades cibernéticas en la ficha del modelo provienen de ejecuciones del proveedor y deberían etiquetarse como tales al citarlas.

Un punto a favor de GLM que la cifra por tarea subestima: el hermano más económico. GLM 5.3 Flash es un modelo de 320.000 millones de parámetros con 18.000 millones de parámetros activos, con licencia MIT, a $0,15 de entrada y $0,50 de salida por millón de tokens, y obtiene 42 en el mismo índice a $0,25 por tarea. Eso es un cuarto del coste por tarea de GPT-6 Sol por seis puntos de índice, y es el modelo de esta comparación que realmente se sitúa en la frontera de eficiencia de costes del índice.

El argumento de costo a favor del autoalojamiento es más débil que el argumento de costo en contra.

Es tentador enmarcar la descarga como una cuestión de costos. A $1.26 y $3.96 por millón de tokens, la API ya es lo suficientemente barata como para que un modelo de mezcla de expertos de 753 mil millones de parámetros no sea obviamente más barato de ejecutar por tu cuenta —y GLM 5.3 es un MoE de 753B, que no es un despliegue en una sola GPU bajo ningún esquema de cuantización que preserve su comportamiento. El punto de equilibrio es una cuestión de utilización, y para la mayoría de los equipos la respuesta honesta es que nunca llega.

La razón para optar por la descarga es la que implica la sección de licencia: control sobre dónde ocurre la inferencia. El autoalojamiento responde a una cuestión de residencia de datos según dónde se ejecuta el modelo, y no según lo que diga el contrato de un proveedor; y, para cargas de trabajo reguladas, esa es la única versión de la respuesta que se sostiene. También permite el ajuste fino con datos propietarios sin que ningún dato salga de tu infraestructura, algo que una API cerrada no ofrece a ningún precio.

Si ninguna de esas dos opciones se aplica a tu caso, la API es la elección correcta y la licencia es irrelevante. Esa es una conclusión legítima y es la que la mayoría de los equipos debería alcanzar.

Donde una capa de enrutamiento cambia la aritmética

GLM 5.3 está en el catálogo de OrcaRoutera 1,26 $ de entrada y 3,96 $ de salida por millón de tokens, con una ventana de contexto de 1.000.000 de tokens, un límite de salida de 128.000 tokens y un tiempo hasta el primer token (p50) de 3,99 segundos, medido en nuestra propia página del modelo. Los precios de lista del proveedor se trasladan sin ningún margen adicional, por lo que un cambio de precios de Z.ai está activo en nuestro lado el mismo día en que lo está en el suyo.

GPT-6 Sol no es una de nuestras rutas, así que nada de lo que aparece aquí constituye una afirmación sobre su precio a través de nosotros.

La razón por la que un único endpoint importa en esta comparación concreta es que los dos modelos no son tanto sustitutos como niveles. GLM 5.3 es solo texto; GPT-6 Sol acepta imágenes. GLM 5.3 es descargable; GPT-6 Sol no lo es. Ninguna de esas cosas es una decisión de precio, y ninguna se resuelve con un benchmark. Lo que un equipo realmente quiere aquí es una clave que pueda llegar al modelo de texto barato para el volumen y a un modelo distinto para las llamadas que necesitan visión, sin un segundo contrato, un segundo SDK y un segundo conjunto de límites de velocidad. Eso es un problema de enrutamiento, y el comportamiento de conmutación por error importa por la misma razón de siempre: el nivel barato del que depende tu pipeline no debería ser el nivel que haga caer todo el pipeline.

La regla de decisión

• Trabajo de texto por volumen con un estándar de calidad conocido — GLM 5.3. Tres puntos de índice por debajo de GPT-6 Sol a aproximadamente el 40 % de la tasa de salida, en la misma ventana de contexto y el mismo techo de salida.

• Cualquier cosa que necesite leer una imagen — GPT-6 Sol, o ninguno de estos. GLM 5.3 no acepta imágenes en la API, y ninguna ventaja de precio sobrevive a una modalidad que no puedas usar.

• Datos regulados, o una carga de trabajo que debas poder reproducir dentro de dos años: GLM 5.3, autoalojado desde el checkpoint publicado. No porque sea más barato, sino porque el checkpoint es fijo y la cuestión de la residencia la responde tu propia infraestructura.

• Ajuste fino con datos propietarios — GLM 5.3. Una API cerrada no ofrece nada equivalente a ningún precio.

• Un equipo sin restricción de residencia y sin plan de ajuste fino — GPT-6 Sol, y trata la licencia como un no-problema. Es un auténtico no-problema para ti, y fingir lo contrario es la forma en que los argumentos de pesos abiertos pierden credibilidad.

La licencia no es una palanca de costos. Es una palanca de control, y vale exactamente lo que el control valga para ti —lo cual, para algunos equipos, es toda la decisión y, para otros, no es nada en absoluto.